BI_retraining_datavis_2024_HW1
Anna Andreychenko
2024-09-24
Data reading
hogwarts <- read_csv("data/hogwarts_2024.csv")
hogwarts |> head()## # A tibble: 6 × 60
## id house course sex wandCore bloodStatus result Defence against the …¹
## <dbl> <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 1 Ravencl… 4 fema… unicorn… half-blood 94 73
## 2 2 Hufflep… 5 male phoenix… half-blood 33 38
## 3 3 Ravencl… 4 fema… dragon … half-blood 137 52
## 4 4 Hufflep… 2 male phoenix… half-blood 27 50
## 5 5 Hufflep… 2 fema… phoenix… half-blood 67 47
## 6 6 Gryffin… 6 male phoenix… muggle-born 126 44
## # ℹ abbreviated name: ¹`Defence against the dark arts exam`
## # ℹ 52 more variables: `Flying exam` <dbl>, `Astronomy exam` <dbl>,
## # `Herbology exam` <dbl>, `Divinations exam` <dbl>, `Charms exam` <dbl>,
## # `History of magic exam` <dbl>, `Arithmancy exam` <dbl>,
## # `Care of magical creatures exam` <dbl>, `Muggle studies exam` <dbl>,
## # `Study of ancient runes exam` <dbl>, `Transfiguration exam` <dbl>,
## # `Potions exam` <dbl>, week_1 <dbl>, week_2 <dbl>, week_3 <dbl>, …Checking dataset structure
hogwarts |> glimpse()## Rows: 560
## Columns: 60
## $ id <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11…
## $ house <chr> "Ravenclaw", "Hufflepuff", "Raven…
## $ course <dbl> 4, 5, 4, 2, 2, 6, 7, 5, 2, 3, 7, …
## $ sex <chr> "female", "male", "female", "male…
## $ wandCore <chr> "unicorn hair", "phoenix feather"…
## $ bloodStatus <chr> "half-blood", "half-blood", "half…
## $ result <dbl> 94, 33, 137, 27, 67, 126, 63, 7, …
## $ `Defence against the dark arts exam` <dbl> 73, 38, 52, 50, 47, 44, 51, 47, 2…
## $ `Flying exam` <dbl> 33, 36, 73, 42, 41, 52, 34, 34, 2…
## $ `Astronomy exam` <dbl> 57, 45, 66, 49, 57, 59, 58, 37, 5…
## $ `Herbology exam` <dbl> 73, 50, 62, 39, 38, 46, 59, 23, 2…
## $ `Divinations exam` <dbl> 66, 54, 72, 42, 47, 49, 42, 38, 1…
## $ `Charms exam` <dbl> 60, 70, 77, 46, 35, 55, 86, 20, 4…
## $ `History of magic exam` <dbl> 52, 36, 60, 45, 50, 40, 55, 21, 2…
## $ `Arithmancy exam` <dbl> 61, 36, 58, 32, 76, 50, 41, 31, 2…
## $ `Care of magical creatures exam` <dbl> 44, 41, 70, 36, 46, 73, 29, 36, 4…
## $ `Muggle studies exam` <dbl> 64, 34, 52, 59, 50, 54, 36, 31, 4…
## $ `Study of ancient runes exam` <dbl> 50, 35, 59, 39, 48, 56, 47, 41, 3…
## $ `Transfiguration exam` <dbl> 74, 70, 70, 15, 32, 86, 100, 31, …
## $ `Potions exam` <dbl> 67, 38, 22, 64, 56, 60, 62, 55, 1…
## $ week_1 <dbl> 0, -5, 0, -1, 1, 5, 1, -20, 3, -2…
## $ week_2 <dbl> -10, 1, 0, 5, 20, 10, -5, 10, 1, …
## $ week_3 <dbl> 0, -1, 1, -5, 10, -5, 3, -5, -3, …
## $ week_4 <dbl> 10, 1, -1, 10, -10, 10, 0, -10, -…
## $ week_5 <dbl> 3, -5, 3, 0, -1, 20, 5, 5, -3, 5,…
## $ week_6 <dbl> -20, 20, 0, 0, 0, 0, 0, 5, 0, -1,…
## $ week_7 <dbl> 10, 10, 1, -3, -20, 1, 10, 3, -5,…
## $ week_8 <dbl> 5, 5, 1, -5, 5, 5, 0, 1, 0, 20, -…
## $ week_9 <dbl> 1, 1, 3, -1, 0, 3, -20, -20, -10,…
## $ week_10 <dbl> 20, -10, 1, 5, -1, 0, 5, -5, 5, 3…
## $ week_11 <dbl> 5, -10, 20, 0, 0, 0, 5, 10, 5, 5,…
## $ week_12 <dbl> 5, -5, 1, -20, -10, -5, 0, 5, 1, …
## $ week_13 <dbl> -20, -5, 10, 0, 0, 1, -1, 10, -20…
## $ week_14 <dbl> 0, 5, 3, 10, -10, 20, 0, -20, -20…
## $ week_15 <dbl> 1, 20, 1, 0, -20, 10, 1, 3, -20, …
## $ week_16 <dbl> 20, 5, 5, 5, 0, 3, 10, -1, 5, 5, …
## $ week_17 <dbl> 3, 0, 10, 5, 5, -5, -1, 10, -10, …
## $ week_18 <dbl> 10, 5, 5, 5, 10, -20, 0, 10, 3, 5…
## $ week_19 <dbl> -10, 0, -5, -1, 0, -1, 0, 20, 0, …
## $ week_20 <dbl> 10, -10, 5, 10, 0, -1, -1, 10, 0,…
## $ week_21 <dbl> 0, 5, 5, 3, 5, 0, 0, -5, -5, 5, 5…
## $ week_22 <dbl> 20, -5, 5, 0, 20, 5, -1, 0, 0, 20…
## $ week_23 <dbl> 5, 1, -3, 20, -5, 20, 0, 1, 1, 5,…
## $ week_24 <dbl> 10, -20, -20, 0, 10, 5, 5, -3, -5…
## $ week_25 <dbl> 0, -20, 1, 3, 5, 1, -5, 0, -20, 2…
## $ week_26 <dbl> 10, 10, 5, -1, 0, 5, 5, -3, 0, 20…
## $ week_27 <dbl> 5, 5, -3, 0, 20, 5, 0, -5, 10, 3,…
## $ week_28 <dbl> -3, 20, 20, 1, 10, 5, 1, 10, 0, 1…
## $ week_29 <dbl> -20, -5, 5, 5, -10, 1, 0, -3, 0, …
## $ week_30 <dbl> 5, 1, -5, 5, -5, -1, -20, 20, 1, …
## $ week_31 <dbl> 5, 5, 20, -5, -10, -3, 0, -10, 20…
## $ week_32 <dbl> -5, 1, 20, -1, -10, 5, 10, 1, 0, …
## $ week_33 <dbl> 0, 10, 3, 3, 0, 0, -1, 0, -20, 3,…
## $ week_34 <dbl> 0, -1, 0, 0, 10, 3, 20, -5, 10, 3…
## $ week_35 <dbl> 5, -5, 3, -10, 3, -5, 0, 0, 0, 0,…
## $ week_36 <dbl> 1, 5, 1, -20, 5, 20, -1, -3, 1, 3…
## $ week_37 <dbl> 0, 0, 10, -1, 10, 3, 3, 0, 20, 1,…
## $ week_38 <dbl> 10, -1, 0, -5, 5, 5, 20, -5, -3, …
## $ week_39 <dbl> 3, 5, 1, 10, 20, 0, 5, 1, -5, 0, …
## $ week_40 <dbl> 0, 0, 5, 1, 5, 1, 10, -5, -20, 3,…# Changing some variables type to factors
hogwarts <- hogwarts |> mutate(
across(c(house, course, sex, wandCore, bloodStatus), ~ as.factor(.x))
)NA checking
sum(is.na(hogwarts))## [1] 0Summary output
hogwarts |> summary()## id house course sex wandCore
## Min. : 1.0 Gryffindor:126 1: 80 female:333 dragon heartstring:196
## 1st Qu.:140.8 Hufflepuff:179 2:101 male :227 phoenix feather :181
## Median :280.5 Ravenclaw :122 3: 67 unicorn hair :183
## Mean :280.5 Slytherin :133 4: 71
## 3rd Qu.:420.2 5: 88
## Max. :560.0 6: 67
## 7: 86
## bloodStatus result Defence against the dark arts exam
## half-blood :391 Min. :-292.00 Min. : 0
## muggle-born: 60 1st Qu.: 7.00 1st Qu.:39
## pure-blood :109 Median : 70.50 Median :49
## Mean : 59.71 Mean :48
## 3rd Qu.: 128.25 3rd Qu.:58
## Max. : 260.00 Max. :89
##
## Flying exam Astronomy exam Herbology exam Divinations exam
## Min. : 0.00 Min. : 0.00 Min. : 0.00 Min. : 0.00
## 1st Qu.:36.00 1st Qu.:37.00 1st Qu.:39.00 1st Qu.:38.00
## Median :48.00 Median :49.00 Median :49.00 Median :49.00
## Mean :47.37 Mean :47.99 Mean :47.75 Mean :48.44
## 3rd Qu.:60.00 3rd Qu.:60.00 3rd Qu.:58.00 3rd Qu.:59.00
## Max. :85.00 Max. :87.00 Max. :86.00 Max. :89.00
##
## Charms exam History of magic exam Arithmancy exam
## Min. : 0.00 Min. : 0.00 Min. : 0.00
## 1st Qu.:39.00 1st Qu.:37.00 1st Qu.:38.00
## Median :49.00 Median :48.00 Median :50.00
## Mean :48.36 Mean :47.28 Mean :48.38
## 3rd Qu.:59.00 3rd Qu.:58.00 3rd Qu.:60.00
## Max. :98.00 Max. :85.00 Max. :91.00
##
## Care of magical creatures exam Muggle studies exam Study of ancient runes exam
## Min. : 0.00 Min. : 0.00 Min. : 0.00
## 1st Qu.:38.00 1st Qu.:38.00 1st Qu.:38.00
## Median :49.00 Median :50.00 Median :48.00
## Mean :48.11 Mean :48.64 Mean :47.44
## 3rd Qu.:60.00 3rd Qu.:61.00 3rd Qu.:58.00
## Max. :95.00 Max. :94.00 Max. :89.00
##
## Transfiguration exam Potions exam week_1 week_2
## Min. : 0.00 Min. : 0.00 Min. :-20.000 Min. :-20.000
## 1st Qu.: 34.00 1st Qu.: 21.00 1st Qu.: -3.000 1st Qu.: -3.000
## Median : 49.00 Median : 47.00 Median : 1.000 Median : 1.000
## Mean : 48.24 Mean : 46.62 Mean : 1.334 Mean : 1.161
## 3rd Qu.: 62.25 3rd Qu.: 68.00 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. :100.00 Max. :100.00 Max. : 50.000 Max. : 20.000
##
## week_3 week_4 week_5 week_6
## Min. :-20.000 Min. :-20.00 Min. :-20.0000 Min. :-20.000
## 1st Qu.: -1.500 1st Qu.: -1.00 1st Qu.: -3.0000 1st Qu.: -1.000
## Median : 1.000 Median : 1.00 Median : 1.0000 Median : 1.000
## Mean : 1.407 Mean : 1.82 Mean : 0.9196 Mean : 1.448
## 3rd Qu.: 5.000 3rd Qu.: 5.00 3rd Qu.: 5.0000 3rd Qu.: 5.000
## Max. : 20.000 Max. : 20.00 Max. : 20.0000 Max. : 20.000
##
## week_7 week_8 week_9 week_10
## Min. :-20.000 Min. :-20.0 Min. :-50.00 Min. :-20.000
## 1st Qu.: -3.000 1st Qu.: -1.0 1st Qu.: -1.00 1st Qu.: -1.000
## Median : 1.000 Median : 1.0 Median : 1.00 Median : 1.000
## Mean : 1.529 Mean : 1.6 Mean : 1.63 Mean : 1.457
## 3rd Qu.: 5.000 3rd Qu.: 5.0 3rd Qu.: 5.00 3rd Qu.: 5.000
## Max. : 20.000 Max. : 20.0 Max. : 20.00 Max. : 20.000
##
## week_11 week_12 week_13 week_14
## Min. :-20.000 Min. :-20.000 Min. :-20.0000 Min. :-20.00
## 1st Qu.: -1.000 1st Qu.: -1.000 1st Qu.: -3.0000 1st Qu.: -1.00
## Median : 1.000 Median : 1.000 Median : 0.0000 Median : 1.00
## Mean : 1.586 Mean : 1.689 Mean : 0.7393 Mean : 1.53
## 3rd Qu.: 5.000 3rd Qu.: 5.000 3rd Qu.: 5.0000 3rd Qu.: 5.00
## Max. : 20.000 Max. : 20.000 Max. : 50.0000 Max. : 20.00
##
## week_15 week_16 week_17 week_18
## Min. :-20.000 Min. :-20.000 Min. :-20.0 Min. :-20.000
## 1st Qu.: -1.000 1st Qu.: -1.000 1st Qu.: -1.0 1st Qu.: -1.000
## Median : 1.000 Median : 1.000 Median : 1.0 Median : 1.000
## Mean : 1.738 Mean : 1.636 Mean : 1.8 Mean : 1.712
## 3rd Qu.: 5.000 3rd Qu.: 5.000 3rd Qu.: 5.0 3rd Qu.: 5.000
## Max. : 20.000 Max. : 20.000 Max. : 50.0 Max. : 20.000
##
## week_19 week_20 week_21 week_22
## Min. :-50.0000 Min. :-20.00 Min. :-20.000 Min. :-20.000
## 1st Qu.: -3.0000 1st Qu.: -3.00 1st Qu.: -1.000 1st Qu.: -1.000
## Median : 0.0000 Median : 1.00 Median : 1.000 Median : 1.000
## Mean : 0.8071 Mean : 1.55 Mean : 1.816 Mean : 1.527
## 3rd Qu.: 5.0000 3rd Qu.: 5.00 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. : 20.0000 Max. : 50.00 Max. : 20.000 Max. : 20.000
##
## week_23 week_24 week_25 week_26
## Min. :-20.0000 Min. :-20.000 Min. :-20.000 Min. :-20.000
## 1st Qu.: -3.0000 1st Qu.: -1.000 1st Qu.: -3.000 1st Qu.: -3.000
## Median : 0.0000 Median : 1.000 Median : 1.000 Median : 1.000
## Mean : 0.8036 Mean : 1.168 Mean : 1.364 Mean : 1.248
## 3rd Qu.: 5.0000 3rd Qu.: 5.000 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. : 20.0000 Max. : 20.000 Max. : 20.000 Max. : 20.000
##
## week_27 week_28 week_29 week_30
## Min. :-50.0 Min. :-20.000 Min. :-20.000 Min. :-20.000
## 1st Qu.: -1.0 1st Qu.: -1.500 1st Qu.: -1.000 1st Qu.: -1.000
## Median : 1.0 Median : 1.000 Median : 0.000 Median : 1.000
## Mean : 1.5 Mean : 1.923 Mean : 1.262 Mean : 1.705
## 3rd Qu.: 5.0 3rd Qu.: 5.000 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. : 20.0 Max. : 20.000 Max. : 20.000 Max. : 20.000
##
## week_31 week_32 week_33 week_34
## Min. :-20.00 Min. :-20.000 Min. :-20.000 Min. :-20.000
## 1st Qu.: -1.00 1st Qu.: -1.000 1st Qu.: -1.000 1st Qu.: -1.000
## Median : 1.00 Median : 1.000 Median : 1.000 Median : 1.000
## Mean : 1.68 Mean : 2.013 Mean : 1.539 Mean : 1.593
## 3rd Qu.: 5.00 3rd Qu.: 5.000 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. : 20.00 Max. : 20.000 Max. : 20.000 Max. : 20.000
##
## week_35 week_36 week_37 week_38
## Min. :-20.0 Min. :-20.000 Min. :-20.00 Min. :-20.000
## 1st Qu.: -1.0 1st Qu.: -1.000 1st Qu.: -1.00 1st Qu.: -1.000
## Median : 1.0 Median : 1.000 Median : 1.00 Median : 1.000
## Mean : 1.7 Mean : 2.079 Mean : 1.32 Mean : 1.864
## 3rd Qu.: 5.0 3rd Qu.: 5.000 3rd Qu.: 5.00 3rd Qu.: 5.000
## Max. : 20.0 Max. : 20.000 Max. : 20.00 Max. : 20.000
##
## week_39 week_40
## Min. :-20.000 Min. :-20.000
## 1st Qu.: -1.000 1st Qu.: -3.000
## Median : 1.000 Median : 0.000
## Mean : 1.438 Mean : 1.079
## 3rd Qu.: 5.000 3rd Qu.: 5.000
## Max. : 20.000 Max. : 20.000
## Data visualisation
1 фактор
Торт Наполеон
ggplot(hogwarts)+
geom_bar(aes(x = house))+
theme_bw()
# coord_
# scale_
# facet_Цвета
Покрасим столбцы в отличный от серого цвет.
ggplot(hogwarts)+
geom_bar(aes(x = house),
colour = "red",
fill = "green")+
theme_bw()
Раскрасим факультеты в разные цвета.
ggplot(hogwarts)+
geom_bar(aes(x = house, fill = house), colour = "black")+
theme_bw()
Выделим один факультет цветом.
ggplot()+
geom_bar(data = hogwarts, aes(x = house, fill = (house == "Ravenclaw")),
colour = "black")+
theme_bw()
Покрасим факультеты в правильные цвета.
ggplot(hogwarts)+
geom_bar(aes(x = house,
fill = house),
colour = "black")+
scale_fill_manual(values = c("Gryffindor" = "#C50000",
"Hufflepuff" = "#ECB939",
"Ravenclaw" = "#41A6D9",
"Slytherin" = "#1F5D25"))+
theme_bw()
Резюме
- ggplot составляют 5 основных компонентов: геомы, оси, фасеты, координатная плоскость и тема
- Внутри геомов есть эстетики. Внутрь эстетик мы помещаем те переменные из данных, которые желаем видеть на графике. Это будут наши оси.
- Ось – не только координата x и y – любая эстетика, например, заливка, тоже может быть осью.
- Цвет в ggplot можно задать как словесно, так и при помощи гекскода.
- У цвета есть три основных применения – различение групп, акцентирование подмножества объектов, отражение свойства, связанного с цветом.
- Можно подробно настроить оси при помощи опции scale (основные типы функций, которые пригождаются – discrete, continuous и manual).
- Распределение 1-й категориальной/факторной/качественной/номинативной переменной можно представить в виде столбиковой диаграммы (барплота).
2 фактора
Добавим второй фактор.
ggplot(hogwarts)+
geom_bar(aes(x = fct_infreq(house),
fill = sex),
colour = "black",
position = "dodge2")+
scale_x_discrete(name = "house")+
theme_bw()
theme_custom <- theme(
axis.text = element_text(size = 20),
axis.title = element_text(size = 25),
# axis.text.x = element_text(angle = 15),
legend.title = element_text(size = 20),
legend.text = element_text(size = 20)
)
bar_custom <- geom_bar(aes(y = fct_infreq(house),
fill = sex),
colour = "black",
position = "dodge2")
bar_plot_def <- ggplot(hogwarts)+
bar_custom+
scale_y_discrete(name = "house")+
theme_bw()+
theme_custom
bar_plot_def
Резюме.
1. У geom_bar есть аргумент position, который позволяет
манипулировать взаиморасположением второй факторной переменной. Опция
dodge/dodge2 ставит столбики подгрупп внутри
группы рядом, а опция fill укладывает их друг на друга в
отшкалированном виде.
2. Функции из семейства forcats (fct_reorder(),
fct_infreq() и другие) позволяют менять порядок факторных
переменных.
3. Функция theme() позволяет тонко регулировать
различные оформительские аспекты графика. Например, размер и угол
наклона шрифта.
4. Элементы ggplot можно сохранять в переменные и переиспользовать.
1 качественная переменная с большим числом градаций
hogwarts |>
filter(id %in% 1:40) |>
mutate(id = as.factor(id)) |>
ggplot()+
geom_segment(aes(x = fct_reorder(id, week_1),
xend = fct_reorder(id, week_1),
y = 0,
yend = week_1))+
geom_point(aes(x = fct_reorder(id, week_1),
y = week_1),
colour = "red",
size = 3)+
geom_hline(yintercept = 7,
linetype = "dashed",
linewidth = 2,
colour = "#218379")+
labs(x = "id",
title = "Пример 'леденцового' графика",
subtitle = "подзаголовок графика",
caption = "Писано мною осенью 2024-го года")+
theme_bw()+
theme_custom+
theme(
plot.title = element_text(size = 20, hjust = 0.5),
plot.subtitle = element_text(size = 15, hjust = 0.5)
)
Временные тренды
Отследим, как студент приносил или отнимал баллы у факультета
# Создадим новый субдатасет
students10ForWeeks <- hogwarts |>
select(id, starts_with("week")) |>
pivot_longer(!id, names_to = "week", values_to = "points") |>
filter(id %in% 1:10) |>
mutate(
week = week |> str_split_i("_", 2) |> as.numeric()
)
# Отрисуем график
ggplot()+
geom_line(data = students10ForWeeks,
aes(x = week,
y = points,
group = id))+
theme_bw()+
theme_custom
“Подсветим” конкретного студента
ggplot()+
geom_line(data = students10ForWeeks,
aes(x = week,
y = points,
group = id),
colour = "grey")+
geom_line(data = students10ForWeeks |> filter(id == 10),
aes(x = week,
y = points))+
theme_bw()+
theme_custom
Резюме:
1. Для категориальных переменных с большим числом категорий можно заменить барплот лоллипопом.
2. На графики можно добавлять графические примитивы – линии и фигуры, которые создают смысловой акцент, показывают отсечку и т.д.
3. Изменения во времени хорошо передают лайнплоты.
4. Если на лайнплоте слишком много линий, есть два хороших решения: убрать график или сделать акцентными нужные единицы наблюдения, убрав в тень остальные.
1 количественная переменная
ggplot(hogwarts)+
geom_bar(aes(x = result))+
theme_bw()+
theme_custom
Иной подход к визуализации количественной переменной
ggplot(hogwarts)+
geom_histogram(aes(x = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = ceiling(log2(nrow(hogwarts))+1))+
theme_bw()+
theme_custom
И еще один.
ggplot(hogwarts)+
geom_density(aes(x = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = ceiling(log2(nrow(hogwarts))+1))+
theme_bw()+
theme_custom
Малое количество наблюдений
hogwarts |>
filter(course == 7, house == "Ravenclaw") |>
ggplot()+
geom_density(aes(x = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = ceiling(log2(nrow(hogwarts))+1))+
theme_bw()+
theme_custom
Сравнение нескольких количественных переменных
ggplot(hogwarts)+
geom_density(aes(x = `Potions exam`),
fill = "lightgreen",
colour = "grey49",
alpha = 0.5,
bins = ceiling(log2(nrow(hogwarts))+1))+
geom_density(aes(x = `Charms exam`),
fill = "turquoise1",
colour = "grey49",
alpha = 0.5,
bins = ceiling(log2(nrow(hogwarts))+1))+
geom_density(aes(x = `Transfiguration exam`),
fill = "red4",
colour = "grey49",
alpha = 0.5,
bins = ceiling(log2(nrow(hogwarts))+1))+
theme_bw()+
theme_custom
Резюме.
1. У geom_bar есть аргумент position, который позволяет
манипулировать взаиморасположением второй факторной переменной. Опция
dodge/dodge2 ставит столбики подгрупп внутри
группы рядом, а опция fill укладывает их друг на друга в
отшкалированном виде.
2. Функции из семейства forcats (например, fct_infreq())
позволяют менять порядок факторных переменных.
3. Функция theme() позволяет тонко регулировать
различные оформительские аспекты графика. Например, размер и угол
наклона шрифта.
4. Элементы ggplot можно сохранять в переменные и переиспользовать.
1 количественная переменная и фактор
Сравним несколько распределений
ggplot(hogwarts)+
geom_boxplot(aes(y = `Potions exam`,
x = house),
colour = "grey49")+
theme_bw()+
theme_custom
Сравним несколько переменных
hogwarts |>
select(id, `Transfiguration exam`, `Potions exam`, `Defence against the dark arts exam`) |>
pivot_longer(!id,
names_to = "exam",
values_to = "score") |>
ggplot()+
geom_boxplot(aes(x = exam,
y = score))+
theme_bw()+
theme_custom
В чем плюсы и минусы двух этих представлений количественных переменных?
hogwarts |>
ggplot(aes(x = result))+
geom_boxplot(fill = "lightgreen",
alpha = 0.5,
width = 30,
linewidth = 2,
outlier.size = 2)+
geom_histogram(fill = "lightblue",
alpha = 0.5,
colour = 20,
bins = 20)+
theme_bw()+
theme_custom
А есть ли что-то, сочетающее их свойства?
hogwarts |>
filter(house == "Slytherin") |>
select(id, `Transfiguration exam`, `Potions exam`, `Defence against the dark arts exam`) |>
pivot_longer(!id, names_to = "exam", values_to = "score") |>
ggplot()+
geom_jitter(aes(x = exam, y = score))+
theme_bw()+
theme_custom
Комбинируем разные слои, смотрим справку
hogwarts |>
filter(house == "Slytherin") |>
select(id, `Transfiguration exam`, `Potions exam`, `Defence against the dark arts exam`) |>
pivot_longer(!id, names_to = "exam", values_to = "score") |>
ggplot(aes(x = exam, y = score))+
geom_boxplot(notch = TRUE)+
geom_jitter()+
theme_bw()+
theme_custom
1 количественная и 2 факторные переменные
hogwarts |>
filter(house == "Slytherin") |>
select(id, `Transfiguration exam`, `Potions exam`, `Defence against the dark arts exam`, sex) |>
pivot_longer(-c(id, sex), names_to = "exam", values_to = "score") |>
ggplot(aes(x = exam, y = score, fill = sex))+
geom_boxplot(notch = TRUE, outliers = FALSE)+
geom_jitter()+
theme_bw()+
theme_custom
hogwarts |>
filter(house == "Slytherin") |>
select(id, `Transfiguration exam`, `Potions exam`, `Defence against the dark arts exam`, sex, wandCore) |>
pivot_longer(-c(id, sex, wandCore), names_to = "exam", values_to = "score") |>
ggplot(aes(x = exam, y = score, fill = sex, alpha = wandCore))+
geom_boxplot(notch = TRUE, outliers = FALSE)+
geom_jitter()+
theme_bw()+
theme_custom
Резюме:
1. Распределение количественной переменной можно представить в виде боксплота. На боксплоте мы видим несколько простых статистик (квартили, межквартильный размах) и выбросы, но не видим деталей распределения.
2. Преодоелние предыдущей проблемы боксплота – jitter и violin. Первый хорош для наборов данных с малым числом наблюдений, второй – с большим.
3. На одном графике можно сочетать не только геомы одного типа, но и разные. Например, сделать боксплот с джиттером.
4. Справка по конкретным функциям позволяет узнать о разных опциях и настройках: например, на боксплоте мы можем убрать выбросы или добавить вырезку.
5. Боксплоты, как и барплоты, можно разбивать по категориям.
Еще один способ сравнить распределения по группам
ggplot(hogwarts)+
geom_histogram(aes(x = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = 20)+
facet_grid(wandCore~sex)+
theme_bw()+
theme_custom+
theme(
strip.text = element_text(size = 20)
)
ggplot(hogwarts)+
geom_boxplot(aes(y = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = 20)+
facet_grid(.~house)+
theme_bw()+
theme_custom
И немного другой подход
ggplot(hogwarts)+
geom_histogram(aes(x = `Potions exam`),
fill = "turquoise1",
colour = "grey49",
bins = 20)+
facet_wrap(vars(course))+
theme_bw()+
theme_custom+
theme(strip.text = element_text(size = 15))
Распределение 2-х количественных переменных
hogwarts |>
ggplot()+
geom_histogram(aes(x = `Charms exam`),
colour = "black",
fill = "lightgreen")+
geom_histogram(aes(y = `Transfiguration exam`),
colour = "black",
fill = "lightgreen")+
theme_bw()+
theme_custom
hogwarts |>
ggplot()+
geom_point(aes(x = `Charms exam`,
y = `Transfiguration exam`))+
theme_bw()+
theme_custom
hogwarts |>
ggplot()+
geom_point(aes(x = `Charms exam`,
y = `Transfiguration exam`),
shape = 23,
size = 3,
stroke = 2,
fill = "red")+
theme_bw()+
theme_custom
hogwarts |>
mutate(course = as.factor(course)) |>
ggplot()+
geom_point(aes(x = `Charms exam`,
y = `Transfiguration exam`,
shape = course,
colour = course),
size = 3)+
scale_shape_manual(values = c("1" = 49, "2" = 50, "3" = 51, "4" = 52, "5" = 53, "6" = 54, "7" = 55))+
theme_bw()+
theme_custom
hogwarts |>
mutate(course = as.factor(course)) |>
ggplot()+
geom_point(aes(x = `Charms exam`, y = `Transfiguration exam`, shape = course, colour = course), size = 3,
position = position_jitter(width = 2, height = 2))+
scale_shape_manual(values = c("1" = 49, "2" = 50, "3" = 51, "4" = 52, "5" = 53, "6" = 54, "7" = 55))+
theme_bw()+
theme_custom+
annotate("text", x = 50, y = 50, label = "To be continue...", size = 40)
Резюме:
1. Стандартный инструмент для визуализации двух количественных переменных – диаграмма рассеяния.
2. Если необходимо добавить на график еще 1 факторный признак – выделяем его цветом.
3. Размер не лучшая опция для использования “в соло”, но может добавить выразительности в сочетании с цветом.
4. При большой кучности точек в определенных позициях полезно использовать jitter для случайного перемешивания.
5. Аннотации помогают подсветить важную деталь в данных. Или намекнуть, что лекция подошла к концу.
Ссылочная
- Сайт с примерами графиков и полезными советами
- Оригинальная статья с изложением философии ggplot
- Документация ggplot
- Учебник по data-science от авторов ggplot
- Книга о некоторых принципах визуализации с полезными советами, но без явного отображения кода
- Учебник по ggplot от авторов ggplot (в процессе написания)
- Телеграм-канал про визуализацию (не в биомедицине, и не на R, но от этого не менее хороший)
- Шпаргалка по ggplot2
- Шпаргалка по rmd